基于风光混合模型的短期功率预测方法研究

准确地预测风力发电及光伏发电的输出功率对提高风光互补供电系统的调度质量具有重要意义。建立了基于BP神经网络的风光混合预测模型,将现有技术中分两次预测的风电功率和光伏功率采用同一个预测模型,同时实现整个区域风电场及光伏电站的输出功率预测,在简化预测方法的同时提高预测准确度。通过某海岛的风电及光伏电站的实际数据验证,计算分析了预测误差。结果表明该方法具有较高的预测精度,对风光混合的功率预测具有一定的学术价值和工程实用价值。     

风光储发电系统预测功率波动性优化方法

分析了风、光资源的波动性给可再生能源大规模并网带来的诸多不利影响。利用电池的充放电对风电、光伏发电功率进行优化,分析优化数据有效性及可行性,上传至调度部门制定发电计划,为后续有功功率实时调度打好基础。首次提出了蓄电池的分组分次充放电策略,能更及时地追踪风电、光伏发电功率变化,进行快速的功率吸纳和释放,同时减少蓄电池的循环次数,延长其使用寿命。     

光伏发电系统功率预测研究方法综述

随着光伏发电大量并入电网中,为了合理制订发电计划,保证电力系统稳定运行,需要对光伏发电输出功率进行预测。主要就光伏发电系统功率预测研究方法进行了综合阐述,介绍了影响光伏发电系统功率输出的主要因素,概括了光伏发电系统功率预测中常用的人工神经网络算法、支持向量机算法等统计方法,最后给出功率预测结果评估的指标。     

风光复合发电的初探

风光复合发电是利用风能与太阳能的互补性构成交替发电的风光复合发电系统,实现昼夜发电,文章介绍了风力发电、光合发电及风光复合发电的原理、系统组成,分析比较不同的供电方案,阐述了风光复合发电的应用前景。     

风光互补发电系统功率输出的自适应控制

针对风光互补发电系统在运行过程中出现的供电功率空缺以及直流母线电压不稳定问题,依据光伏为主力发电源,风为辅助发电源的发电方式,提出了以风力发电的输出功率补偿光伏发电的输出功率的自适应控制方案。鉴于发电系统中固有的非线性特征和运行中的参数变化,对风力发电系统采用自适应控制实现对互补发电系统中所需功率的差额实时补偿,保证直流母线电压的平稳。为实现蓄电池充电稳定性,结合蓄电池非线性充电模型设计了充电电流跟踪控制器,确保对期望充电电流的跟踪。理论分析和仿真结果均表明,在互补发电系统运行中采取的控制策略的可行性。     

一种跟踪风光互补发电系统计划出力的变时间尺度短期功率预测方法

引入各发电组件的短期功率预测值有助于风光互补发电系统制定优化的能量分配策略,更好地跟踪计划出力。针对风光互补发电系统能量分配周期多变的特点,提出了一种变时间尺度的短期功率预测算法。该算法将历史数据与物理模型相结合,可获得各发电组件任何时间间隔的短期功率预测值,进而实现对于计划出力的最大程度跟踪。基于某风光互补发电站数据的仿真结果表明,基于历史数据与物理模型相结合的预测方法可更准确地实现能量分配变周期下的计划跟踪。     

电网接入光伏发电功率的实时调度与预测研究

光伏发电并网的容量具有随机性,其供电功率振荡会严重威胁电网安全稳定运行。提出基于实时调度的电网接入光伏发电功率预测方法。根据辐射量对电网接入光伏发电功率的关系曲线、电网接入光伏输出功率和温度的曲线、电网接入光伏发电功率和湿度之间的关系曲线,分析了电网接入光伏发电功率的影响因素;为避免光伏发电功率差异性较大带来预测结果不准确的问题,对电网接入光伏发电功率数据完成归一化处理;结合发电功率日特征相似度的计算结果,计算了权重欧式距离,获取具有最大影响力的功率数据,完成电网接入光伏发电功率的预测。实验结果表明,应用研究方法时,电网接入光伏发电功率的预测偏差始终低于0.05,获取的电网接入光伏发电功率预测结果始终分布在根据实际情况设定的阈值区间内。     

基于神经网络的光伏系统发电功率预测

分析光伏系统的发电特性以及影响光伏发电的因素,建立基于神经网络的光伏发电功率预测模型.该模型采用三层BP(反向传播)神经网络结构,利用其强大的非线性映射和泛化能力,按季节建立4个预测子模型,子模型中将相同日类型的光伏发电功率的历史数据和天气情况一同作为样本,对模型进行训练和发电功率预测.结果表明,该方法建立的预测模型具有较高的精度,为解决光伏系统发电功率预测提供了一种可行路径.     

基于CEEMD-GA-BP神经网络的风光发电功率预测

传统的BP神经网络(back propagation neural network,BPNN)虽然在功率预测方面已有广泛应用,但其对于随机波动性较强的风光发电功率预测准确度较低.文中提出一种基于CEEMD(complementary ensemble empirical mode decompo-sition)方法优化...     

人工智能技术在新能源功率预测的应用及展望EI北大核心CSCD

构建新型电力系统是实现我国“双碳”战略目标的主要举措之一,风力发电和光伏发电作为两种最具代表性的新能源,其波动性和随机性给电网安全和新能源消纳带来了重大挑战,新能源功率预测是降低其随机性影响的核心关键技术。近年来,随着大数据技术和以深度学习、强化学习为代表的新一代人工智能(artificial intelligence,AI)技术在诸多领域的成功应用,其在新能源功率预测方面的应用仍有方兴未艾之势。首先该文论述AI技术在新能源功率预测应用的理论基础,并对AI技术在风电和光伏功率预测方面的应用进行系统总结,包括数据增强和特征构建等多种数据处理技术的应用,传统机器学习算法、深度学习算法以及组合算法在模型构建方面的应用,以及进化算法、群智能优化算法、强化学习等多种智能优化算法在模型训练和超参数优化方面的应用。然后,对当前相关文献进行统计分析,并基于新能源预测大赛结果和实际预测系统调研情况,对当前学术界研究热点和趋势、产业界模型应用情况进行对比和分析。最后,对当前新能源功率预测在场景自适应、小样本学习、数值天气预报系统(numerical weather prediction,NWP)数据时空分辨率、分布式新能源预测等方面存在的一些问题进行剖析,并对采用强化学习、元学习、图神经网络(graph neural network,GNN)等多种AI技术解决相关问题的前景进行展望。     

宁夏电网风电功率预测系统开发

大规模瓯电的接入对宁夏电网的安全、稳定和经济运行影响较大,急需建设宁夏电网风电功率预测系统。本文在总结国内外风功率预测研究成果的基础上,阐述宁夏电网风电功率预测系统框架、建设原则、软硬件方案。以确保宁夏大规模风电接入后电网的安全、稳定、经济运行。     

江苏电网风力发电系统可行性研究

电力市场的发展和能源问题的关注,都促进了分布式发电和储能技术的发展。大电网与分布式电源相结合的方式,在提高供电可靠性、减小系统旋转储备和有效利用能源等方面都颇具优势。本文将新兴的发电技术风力发电引入传统的电力系统,在风力发电机详细数学模型的基础上,通过仿真详细分析了风力发电系统的动态性能,及其对配电系统的影响,证实了发展风力发电的可行性,并展望了今后研究工作的方向。     

嵌入式风力发电监控系统的研究与设计

针对大型风电场中风电机组数量多、分布面积广和需要远程监控的特点,把风力发电监控系统和嵌入式系统有机地结合起来,提出了一种基于嵌入式的风力发电监测控制系统。该系统采用无线通信方式进行信号的传输,从而使系统具有了监测、控制方式灵活,性能稳定等特点。     

风力发电系统最大功率跟踪自适应鲁棒控制

为了提高风力发电系统最大功率跟踪(MPPT)运行的工作性能,针对系统未知建模误差和外部扰动等不确定问题,提出了一种MPPT自适应鲁棒控制方法。该方法建立在基于广义扰动的风力发电系统角速度跟踪动态模型基础上,不依赖于系统模型参数和外部扰动辨识。利用MPPT跟踪偏差的非线性状态反馈和扰动边界值的在线实时估计,自适应地调整切换控制项增益,以加快系统收敛的速度。实际控制律经过一阶积分输出,进一步削弱控制输出信号幅值的抖振,平滑发电转矩,提高跟踪精度。通过构造Lyapunov函数,验证了闭环系统的全局稳定性。通过与常规线性PID控制和非线性动态状态反馈控制(SFC)进行仿真比较,验证了该控制器实现最大功率跟踪控制的良好效果,具有较强的鲁棒性和自适应性。     

光伏电站接入宁夏电网的系统谐波评估实用计算

为保障现有电网的安全稳定,更好利用太阳能,在光伏电站接入系统前的设计阶段需对光伏发电接入系统进行谐波评估计算,以确定光伏电站的接入对系统电能质量不造成大的影响。本文采用电力系统综合分析软件进行建模,对即将接入系统的光伏电站进行评估计算,计算结果表明：光伏电站接入点符合要求,允许接入系统。     

大规模风电接入的电网发电调度研究综述

由于风电出力具有随机性和间歇性,大规模风电接入给传统的电力系统调度运行带来新的挑战。风功率预测精度一定程度上不能满足实际要求,因此文章归纳国内外相关研究成果,并分别从两个方面展开论述,首先论述风电场与常规机组联合调度的模型,包括风电确定性模型和风电不确定性模型,概述了当前的建模方法,并对常用的算法进行总结,然后介绍储能技术及其发展状况,对风电场与储能设备协调配合抑制风电场出力波动的研究进行详细介绍。文章最后为考虑大规模并网风电场的发电调度进一步研究提出了意见和建议。     

用于风力发电的测风系统对比研究

介绍了机械式测风传感器与超声波测风传感器的工作原理,比较了它们的特点,及对风力发电的影响。分别对装有2类测风传感器的风力发电机组进行了运行分析,得出2类测风传感器对应的机组功率曲线增长率。试验结果表明:超声波测风传感器进行风速、风向测量更有利于提高风力发电机组的利用率与稳定性。     

西北电网风电与光伏紧急功率控制系统设计

我国已形成新能源基地集群通过特高压直流群外送格局,新能源消纳受直流送电能力和新能源并网功率约束。为提高新能源消纳能力,区别于传统的馈线刚性切除控制,首先分析了利用新能源(风电、光伏)逆变器的快速控制特性,将新能源功率控制纳入电网紧急控制的必要性。新能源功率控制可有效降低冲击,提高控制精细水平,实现有功和无功解耦控制能力。其次针对新能源设备控制、通信现状和有功、无功控制能力,研究将新能源纳入紧急控制的通信时延和可控功率实时感知的技术需求,设计了系统架构,研究了适用场景,并提出了具体的实现方法及相应的控制策略。最后基于实际电网,仿真验证了所提控制架构和控制方法的有效性,其能够有效提高直流送电能力和新能源并网功率。     

基于深度信念网络的光伏电站短期发电量预测

为了解决现有光伏电站短期发电量预测方法存在的预测模型复杂、预测误差较大、泛化能力较低的问题,提出一种基于深度信念网络的短期发电量预测方法。首先综合考虑影响光伏出力的环境因素和光伏板的运行参数以及光伏电站历史发电量数据,对深度信念网络进行训练和学习。在此基础上,采用重构误差的方法确定深度信念网络隐含层层数。最后针对某光伏电站短期发电量进行预测算例分析,验证了该预测模型能主动选择样本抽象特征、自动确定隐含层层数,对短期发电量预测精度较高。对比前馈反向传播(Back Propagation, BP)神经网络预测模型与长短期记忆网络(Long/Short Term Memory, LSTM)预测模型,结果表明所提方法运算量低、预测精度高,且增加神经网络的深度比改进神经网络神经元对预测效果更有效。     

浅议宁夏地区风力发电的持续协调发展

介绍了风力发电产业特点及宁夏地区风资源状况,并就风电发展内外部环境、电网结构现状、风力发电企业结构布局、风电的快速发展对电网调度、调控技术的影响进行了阐述分析,并提出建议。